国内优质中文数据集的重要来源 垂直内容平台

未来专业及垂直内容平台有望成为国内出色中文数据集的重要来源：

1）专业内容平台：知乎作为问答知识平台，拥有超过 4300 万创作者产生的超过 3.5 亿条出色中文问答内容，涉 及政治，经济，文化，历史，科技等几乎全部门类。其问答的数据形式天然适合作为大语 言类模型训练使用。微信公众号作为内容分享平台，背靠国民J应用微信生态链，2022 年 公众号产出超 3.9 亿篇文章，其中既有专业L域内容分析，也有时事热点分析，这些内容对 语言模型的训练迭代有重要作用。

2）垂类内容平台：参考彭博基于金融垂类数据发布 BloombergGPT 案例，国内在金融，医疗，生物等行业公司的数据可以作为细分L域大模 型准确训练的基础。